OLSR协议论文提纲,强化学习论文提纲

智能多模网络通信中路由优化方法研究

摘要：在信息技术迅速发展的今天,移动自组织网络已广泛应用于民用环境和军事领域中。同时,人工智能逐渐成为发展信息技术产业的新动力。智能多模网络通信系统,基于市场上广泛应用的网络通信系统,应用软件无线电技术,引入机器学习算法,作为一种自适应移动自组网络通信系统被应用于应急通信场景中。然而,在各种应急通信场景中,智能多模网络节点能量受限、网络拓扑变化差异大、通信时延要求较高,亟需一种与之相适配的路由协议。本文以时延较低的OLSR（Optimized Link State Routing）协议为基础,针对智能多模网络通信系统进行路由协议的优化研究,主要研究内容概述如下:1)OLSR协议的MPR（Multi-Point Relay）集选择优化算法。针对OLSR协议MPR集的选择算法在智能多模网络应用中时延、控制开销性能下降的问题,本文提出了一种基于模糊逻辑综合评估链路质量的MPR集选择优化算法的OLSR协议OLSRM,该算法综合考虑链路稳定性、节点负载大小和剩余能量,以提高MPR集局部网络拓扑的稳定性、均衡节点负载和能耗,从而克服智能多模网络拓扑变化差异、能量受限的困难,提高网络的整体性能。仿真实验结果表明,OLSR-M协议在时延、分组投递率、吞吐量、能耗方面都优于OLSR协议,但在低动态场景下,其控制开销方面表现出明显不足。2)OLSR协议的TC（Topology Control）消息发送间隔优化算法。为了减小OLSR-M协议在低动态场景下的控制开销,并适应智能多模网络拓扑变化差异的特点,本文基于OLSR-M协议提出了采用TC消息自适应发送优化算法的OLSR-M-T协议。该优化算法在拓扑变化较小时,增大TC消息的发送间隔,减小路由控制开销;在拓扑变化较大时,减小TC消息的发送间隔,适应拓扑的快速变化。仿真实验结果表明,OLSR-M-T协议在时延、分组投递率、吞吐量、能耗方面的性能与OLSR-M协议相当,但在低动态场景下OLSR-M-T协议的控制开销优于OLSR-M协议。3)基于Q-learning的OLSR路径优化研究。智能多模网络通信系统网络拓扑变化差异、负载不均衡、能量受限导致OLSR路由路径不稳定或不断变化的问题。针对此问题,本文引入强化学习机制,将链路稳定性、负载大小和剩余能量作为路径选择的依据,提出基于Q-learning的路由策略,以计算出智能多模网络的全局稳定性和可靠性更高的路由路径。仿真实验结果表明,基于Q-learning的OLSR协议（OLSR-Q协议）和基于Q-learning的OLSR-M-T协议（OLSR-M-T-Q协议）的时延、分组投递率、吞吐量、能耗、控制开销性能都优于OLSR协议。 还原

关键词： OLSR协议;强化学习;

文章目录

摘要

ABSTRACT

1 绪论

    1.1 研究背景及意义

    1.2 国内外研究现状

        1.2.1 典型路由协议优化研究现状

        1.2.2 基于强化学习的路由优化研究现状

    1.3 课题研究内容

    1.4 本文章节安排

2 智能多模自组网及相关算法

    2.1 移动自组网概述

    2.2 MANET路由协议分类

        2.2.1 主动路由协议

        2.2.2 按需路由协议

        2.2.3 混合路由协议

        2.2.4 基于地理定位的路由协议

    2.3 OLSR路由协议

        2.3.1 OLSR消息格式

        2.3.2 OLSR表格式

        2.3.3 OLSR路由算法

    2.4 强化学习

        2.4.1 强化学习原理

        2.4.2 Q-learning算法

    2.5 本章小结

3 智能多模网络中MPR集及TC间隔优化

    3.1 传统MPR集选择算法

    3.2 智能多模网络的MPR集选择算法优化

        3.2.1 智能多模网络多指标模糊化

        3.2.2 智能多模网络模糊推理

        3.2.3 智能多模网络链路质量输出

        3.2.4 算法实现

        3.2.5 仿真结果与分析

    3.3 智能多模网络TC消息发送间隔优化

        3.3.1 算法优化

        3.3.2 仿真结果与分析

    3.4 本章小结

4 智能多模网络中OLSR路径优化

    4.1 基于Q-learning的路由策略

        4.1.1 Q-learning模型

        4.1.2 智能多模网络路径优化模型

        4.1.3 智能多模网络路径优化算法流程

    4.2 举例说明

    4.3 仿真结果与分析

    4.4 本章小结

5 总结与展望

    5.1 全文总结

    5.2 研究展望

致谢

参考文献

[1]基于蚁群和能量有效的改进Ad Hoc路由协议[J]. 吴誉兰.  国外电子测量技术. 2021(11)

[2]Ad hoc网络中基于区块链的AODV协议改进研究[J]. 闫帅领,孟彬,房月华,宋凌云,赵鑫.  信息记录材料. 2021(10)

[3]基于增量信息最小化控制开销的OLSR路由协议[J]. 崔忠林,王衡,胡春.  网络安全技术与应用. 2021(07)

[4]基于模糊逻辑的VANET安全消息路由方法[J]. 聂雷,张全玉,杨拓.  武汉科技大学学报. 2021(04)

[5]移动自组网基于地理位置信息的能量辅助路由协议[J]. 白媛,宋焱,栗晨亮,张会兵.  现代电子技术. 2021(02)

[6]高动态迁移下无人机自组网路由协议研究[J]. 谢勇盛,杨余旺,李操,汤小芳.  舰船电子工程. 2020(12)

[7]软件定义网络中基于模糊逻辑的实时路由更新[J]. 李雅波,姜丽芬,刘涛,张栋.  天津师范大学学报(自然科学版). 2020(06)

[8]基于Q学习的能量自适应路由算法[J]. 黄庆东,张淼,袁润芝,陈晨.  西安邮电大学学报. 2020(04)

[9]基于角度及链路稳定性的AODV路由协议改进[J]. 陆冰琳.  信息系统工程. 2018(10)

[10]一种基于Q-Learning策略的自适应移动物联网路由新算法[J]. 张德干,葛辉,刘晓欢,张晓丹,李文斌.  电子学报. 2018(10)